pandas---Series基础使用

导入pandas

import numpy as npimport pandas as pdfrom pandas import Series,DataFrame

pandas基本数据结构

1. pandas中主要有两种数据结构，分别是：Series和DataFrame。
2. Series:一种类似于一维数组的对象，是由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成。仅有一组数据也可以产生简单的Series对象。注意：Series中的索引值是可以重复的。
3. DataFrame:一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型（数值，字符串，布尔型等），DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。

Series的创建方式

1. 通过一维数组去创建

   arr = np.array([1,2,3,4])ser1 = Series(arr)ser1.values #获得值组成的一维数组ser1.index #获得索引值的描述，start,stop,stepser1.index=['a', 'b','c','d'] #更改索引值ser1['b'] # 索引形式获取某值ser1[1] # 下标形式获取某值

2. 直接创建series数组

   ser2 = Series([99,100,98,10],index=['a', 'b','c','d'])ser22 = Series(data=[89,87,86],dtype=np.float64,index=[u'数学',u'语文',u'英语'])

3. 通过字典形式创建

   dict1 = {'a':1,'b':2,'c':3,'d':4}ser3 = Series(dict1) # 字典的键对应ser的索引，字典的值对应ser的数据

注意：

     1. 索引可以创建时赋值，也可以后期赋值     2. 索引可以重复，下标不能重复     3. 字典本身键和值有对应关系，字典的键不能重复

Series值的获取

1. Series值的获取主要有以下两种方式：
   1.通过方括号+索引的方式读取对应的索引的数据，有可能返回多条数据
   2. 通过方括号+下标的方式读取对应的下标值的数据，下标值取值的范围为：[0,len(Series.values)];另外下标值也可以是负数，表示从右往左获取数据
2. Series获取多个值的方式乐视NumPy中的ndarray的切片操作，通过方括号+下标值/索引值+冒号（：）的形式来截取series对象中的一部分数据
   注意：
   在获取多个值的时候，
   通过下标形式加冒号获取，和切片一样是左闭右开区间，
   通过索引值加冒号获取，是获取一个完全闭合区间值

Series的运算

1. NumPy中的数组运算，在Series中都保留了，均可以使用，并且Series进行数组运算的时候，索引与值之间的映射关系不会发生改变。
2. 注意：其实在操作Series的时候，基本上可以把Series看出NumPy中的ndarray数组来进行操作。ndarray数组的绝大多数操作都可以应用到Series上。

ser3+1ser3-100ser3*100ser3/100ser3%100ser3//100np.abs(ser3) ## numpy中的通用函数在Series中是支持的

Series缺失值检测

1. 定义新的索引值时，对于不存在的索引和存在的索引的缺省补齐操作

   ss = Series({'a':1,'b':2,'c':3,'d':4,'e':5})ss_index = ['a','bb','cc','d','e','f','g','h','i']ss_new = Series(ss,index=ss_index)

   a     1.0bb    NaNcc    NaNd     4.0e     5.0f     NaNg     NaNh     NaNi     NaNdtype: float64

   注意：自动对齐：键值关系不会发生改变。如果键无法对应，返回NaN值填充

2. 对数组中的NaN值过滤

   ##过滤NaN值pd.isnull(ss_new) #返回布尔值的数组，NaN 返回Truepd.notnull(ss_new) #返回布尔值的数组 Not NaN 返回Truess_new[pd.notnull(ss_new)]

   注意：pandas中的isnull和notnull两个函数可以用于在Series中检测缺失值，这两个函数的返回值时一个布尔类型的Series

3. 两个缺省补齐的数组相互操作时，按照索引对应关系进行操作

   s1 = Series([1,2,3],index=['a','b','c'])s2 = Series([10,20,30],index=['b','a','c','d'])s1 + s2

   注意：按照索引的形式找到与之相匹配的数据进行对应操作

Series别名

1. name属性

s1.name=u'价格' ## 数据名称标签s1.index.name=u'产品' ## 索引名称标签

本文来自北风网的学习总结